54/13

01/0

EMP3

47/0

47/6

01/0

EMP4

74/0

25/10

01/0

عوامل ملموس (TAN)

TAN1

88/0

77/3

01/0

TAN2

24/0

46/3

01/0

TAN3

05/0

85/3

01/0

برای ارزیابی مدل تحلیل عاملی تاییدی چندین مشخصه برازندگی وجود دارد. در این پژوهش برای ارزیابی مدل تحلیل عاملی تاییدی از ميانگين مجذور پس‌ماندها RMR، شاخص برازندگي GFI، شاخص نرم‌شده برازندگي (NFI)، شاخص نرم‌نشده برازندگي (NNFI)، شاخص برازندگي فزاينده (IFI)، شاخص برازندگي تطبيقي (CFI) و شاخص بسیار مهم ريشه دوم برآورد واريانس خطاي تقريبRMSEA استفاده شده است. معيار GFI نشان دهنده اندازه ای از مقدار نسبی واريانس ها و کواريانس ها می باشد که توسط مدل تبيين می شود. این معیار بين صفر تا يک متغير می باشند که هرچه به عدد يک نزديکتر باشند , نيکويي برازش مدل با داده های مشاهده شده بيشتر است. مقدار GFI گزارش شده برای این مدل با مقدار 90/0است. ريشه دوم ميانگين مجذور پس‌ماندها يعني تفاوت بين عناصر ماتريس مشاهده شده در گروه نمونه و عناصر ماتريس‌هاي برآورد يا پيش‌بيني شده با فرض درست بودن مدل مورد نظر است هرچه RMR براي مدل مورد آزمون نزديك‌تر به صفر باشد، مدل مذكور برازش بهتري دارد، مقدار نا چیز RMR در این پژوهش(25/0)، نشان از تبیین مناسب کوواریانس ها دارد. SRMR، معيار ميانگين اختلاف بين داده‌ها و ماتريس كواريانس- واريانس باز توليد شده (implied) است. اين معيار هر چقدر كه كوچكتر باشد(زیر 0.05 بسیار عالی و زیر 0.08 مناسب و زیر 0.10 نامناسب است) براي تناسب مدل با داده‌ها بهتر است. اين شاخص يك شاخص با ارزشي است هنگامي كه ميانگين ماتريس واريانس- كواريانس داده‌ها شناخته شده باشد. ارزيابي آن هنگامي كه ماتريس واريانس- كواريانس غيراستاندارد مورد استفاده قرار گيرد سخت و مشكل است كه براي تحقيق حاضر 15/0 محاسبه شده است. برای بررسی اینکه يك مدل به خصوص در مقايسه با ساير مدل‌هاي ممكن، از لحاظ تبيين مجموعه‌اي از داده‌هاي مشاهده شده تا چه حد خوب عمل مي‌كند از مقادیر شاخص نرم‌شده برازندگي (NFI)، شاخص نرم‌نشده برازندگي (NNFI)، شاخص برازندگي فزاينده (IFI) و شاخص برازندگي تطبيقي (CFI) استفاده شده است. مقادیر بالای 9/0 این شاخص ها حاکی از برازش بسیار مناسب مدل طراحی شده در مقایسه با سایر مدل های ممکنه است. در نهایت برای بررسی اینکه مدل مورد نظر چگونه برازندگي و صرفه‌ جويي را با هم تركيب مي‌كند از شاخص بسیار توانمند ريشه دوم برآورد واريانس خطاي تقريبRMSEA استفاده شده است. شاخص RMSEA، ريشة ميانگين مجذورات تقريب می باشد. اين شاخص برای مدلهای خوب 05/0 و کمتر است. مدلي که در آن اين شاخص 10/0 يا بيشتر باشد برازش ضعيفی دارد.
جدول ‏4‑8 شاخص های برازندگی مدل اندازه گیری تحقیق کیفیت خدمات